高分辨率遥感影像分割的城市绿地提取研究

作者：陈周,费鲜芸,高祥伟,王筱雪,赵慧敏

摘要：城市绿地是生态文明建设的重要组成部分,绿地信息提取是城市绿地规划和建设的基础和前提。遥感影像分割是绿地信息分类提取的关键步骤,选择合适的影像分割方法能有效提高城市绿地提取精度。传统的遥感分割方法分割结果中边缘锯齿现象严重,与绿地实地边界相差较大,不符合绿地信息提取的要求。本文以高分辨率的WorldView影像为数据源,使用深度学习网络DeepLab-v3+对城市绿地进行分割研究,在分割基础上进行城市绿地信息提取。同时,本研究将该网络模型的分割和分类结果与基于Ostu、MeanShift、FNEA分割算法的分类精度进行比较。研究表明:DeepLab-v3+的分割性能最好,其分割边缘光滑,与绿地实地边界吻合度高,有效解决了传统分割算法的边缘锯齿问题;在各种分割分类算法中,DeepLab-v3+的分类精度最高,达到98.01%。

发文机构：江苏海洋大学测绘与海洋信息学院

关键词：城市绿地OSTU算法MeanShit算法FNEA算法DeepLab-v3+urban green spaceOstu algorithmMeanShift algorithmFNEA algorithmDeepLab-v3+

分类号： P237[天文地球—摄影测量与遥感]